2022基于向量的多MSB替换-Vector-based Efficient DHEI via Multi-MSB Replacement

蹦卡拉卡yiyo

已于 2024-03-12 09:37:16 修改

阅读量1k

点赞数 28

分类专栏：信息隐藏文章标签：计算机视觉人工智能深度学习信息隐藏图像处理

于 2024-03-12 09:37:04 首次发布

本文链接：https://blog.csdn.net/m0_48967063/article/details/136614037

版权

本文提出了两种基于向量的多MSB替换（EMR-RDHEI和LMR-RDHEI）方法，用于信息隐藏和图像加密。方法具有高嵌入容量，较低的计算复杂度，且无需额外文件传输。实验显示，这两种方法在保持较高嵌入率的同时，恢复图像质量优于现有技术。在编码阶段，通过位置图生成和秘密密钥创建，结合旋转和图像加密，确保信息安全隐藏。解码阶段则能有效恢复无差错的秘密消息和低损失的原始图像。

摘要由CSDN通过智能技术生成

RRBE

本文仅供自身学习记录，切勿转载和搬运，如有侵权联系立删~

本文贡献

1、提出了针对RRBE方法的两种嵌入方法，一种是有损的、一种是无损的，嵌入容量都很高；
2、和其他先进的方法相比，所提出方法的计算复杂度更低，不需要额外的文件传输，只需要图片即可；
3、实验数据表明平均嵌入率较高，且恢复图像的质量高于目前先进的方法。

EMR-RDHEI方法

A、Encoding phase

A.1位置图生成

在进行秘密信息嵌入之前，必须首先确定像素的前多少个MSB位允许嵌入，也就是参数b。

如图，将 $M\times N$ 的原始图像拓展为 $M\times N\times B$ 的拓展图像 $\phi$ ，其中B就是参数b的待定值。这种维度扩展允许通过沿着N维滑动矩阵B×M（灰色部分，用 $\Omega$ 表示）来并行比较多个b参数。跟踪最后的非冗余MSB的矩阵，用于识别MSB从像素到像素的变化。然后将经由MSB比较检测到的冗余存储在所有可能的 $b$ $(b\in [2,7],b\in Z)$ 个参数的位置图 $L$ 中。